Теми рефератів
> Реферати > Курсові роботи > Звіти з практики > Курсові проекти > Питання та відповіді > Ессе > Доклади > Учбові матеріали > Контрольні роботи > Методички > Лекції > Твори > Підручники > Статті Контакти
Реферати, твори, дипломи, практика » Курсовые проекты » Статистичні методи прогнозування соціально-економічних явищ

Реферат Статистичні методи прогнозування соціально-економічних явищ





ристовувати як супутні і допоміжні для предобработки даних в задачах прогнозування. Наприклад, для прогнозування продажів в більшості випадків необхідно проводити декомпозицію тимчасових рядів (тобто виділяти окремо тренд, сезонну і нерегулярну складові) [15]. Одним з методів виділення трендових складових є використання експоненціального згладжування.

Методи Хольта і Брауна

У середині минулого століття Хольт запропонував удосконалений метод експоненціального згладжування, згодом названий його ім'ям. У запропонованому алгоритмі значення рівня і тренда згладжуються за допомогою експоненціального згладжування. Причому параметри згладжування у них різні.


Тут перше рівняння описує згладжений ряд загального рівня.

Друге рівняння служить для оцінки тренда. Третє рівняння визначає прогноз на p відліків за часом вперед.

Постійні згладжування в методі Хольта ідеологічно грають ту ж роль, що і постійна в простому експонентному згладжуванні. Підбираються вони, наприклад, шляхом перебору по цих параметрах з якимсь то кроком. Можна використовувати і менш складні в сенсі кількості обчислень алгоритми. Головне, що завжди можна підібрати таку пару параметрів, яка дає більшу точність моделі на тестовому наборі і потім використовувати цю пару параметрів при реальному прогнозуванні.

Приватним випадком методу Хольта є метод Брауна, коли a =?.

Метод Вінтерса

Хоча описаний вище метод Хольта (метод двопараметричного експоненціального згладжування) і не є зовсім простим (щодо наївних моделей і моделей, заснованих на усередненні), він не дозволяє враховувати сезонні коливання при прогнозуванні. Говорячи більш акуратно, цей метод не може їх бачити в передісторії. Існує розширення методу Хольта до трипараметричного експоненціального згладжування. Цей алгоритм називається методом Вінтерса [19]. При цьому робиться спроба врахувати сезонні складові в даних. Система рівнянь, що описують метод Вінтерса виглядає наступним чином:


Дріб в першому рівнянні служить для виключення сезонності з Y (t). Після виключення сезонності алгоритм працює з чистими даними, в яких немає сезонних коливань. З'являються вони вже в самому фінальному прогнозі, коли чистий прогноз, порахований майже по методу Хольта множиться на сезонний коефіцієнт.

Регресійні методи прогнозування

Поряд з описаними вище методами, заснованими на експонентному згладжуванні, вже досить довгий час для прогнозування використовуються регресійні алгоритми. Коротко суть алгоритмів такого класу можна описати так.

Існує прогнозована змінна Y (залежна змінна) і відібраний заздалегідь комплект змінних, від яких вона залежить - X1, X2, ..., XN (незалежні змінні). Природа незалежних змінних може бути різною. Наприклад, якщо припустити, що Y - рівень попиту на деякий продукт в наступному місяці, то незалежними змінними можуть бути рівень попиту на цей же продукт в минулий і позаминулий місяці, витрати на рекламу, рівень платоспроможності населення, економічна обстановка, діяльність конкурентів і багато іншого [6]. Головне - вміти формалізувати всі зовнішні фактори, від яких може залежати рівень попиту в числову форму.

Модель множинної регресії в загальному випадку описується виразом



У простішому варіанті лінійної регресійної моделі залежність залежної змінної від незалежних має вигляд:



Тут - підбираються коефіцієнти регресії, e- компонента помилки. Передбачається, що всі помилки незалежні і нормально розподілені.

Для побудови регресійних моделей необхідно мати базу даних спостережень приблизно такого виду [17]:


змінні независимыезависимая№X1X2...XNY1x_11x_12...x_1NY_12x_21x_22...x_2NY_2..................mx_M1x_M2...x_MNY_m

За допомогою таблиці значень минулих спостережень можна підібрати (наприклад, методом найменших квадратів) коефіцієнти регресії, налаштувавши тим самим модель.

При роботі з регресією треба дотримуватися певної обережності і обов'язково перевірити на адекватність знайдені моделі. Існують різні способи такої перевірки. Обов'язковим є статистичний аналіз залишків, тест Дарбіна-Уотсона [4]. Корисно, як і у випадку з нейронними мережами, мати незалежний набір прикладів, на яких можна перевірити якість роботи моделі.

прогнозний специфікація згладжування arima

2.2 Методи Бокса-Дженкінса (ARIMA)


У середині 90-х років минулого століття був розроблений принципово новий і досить потужний клас алгоритмів для прогнозування часових ...


Назад | сторінка 5 з 6 | Наступна сторінка





Схожі реферати:

  • Реферат на тему: Роль параметра адаптації у процедурі експоненціального згладжування. Як вп ...
  • Реферат на тему: Методи згладжування часових рядів у вивченні динаміки виробничих показників ...
  • Реферат на тему: Методи згладжування та корекції збережений
  • Реферат на тему: Інтерполяція і регресія, функції згладжування даних і передбачення
  • Реферат на тему: Симптоми кризи 7 років і методи згладжування негативних проявів кризи у вих ...